深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 33459 篇文献，本页显示第 25981 - 26000 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 25981 | 2024-09-17 |
DeepEZ: A Graph Convolutional Network for Automated Epileptogenic Zone Localization From Resting-State fMRI Connectivity
2023-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2022.3187942
PMID:35776823
|
研究论文 | 本文提出了一种基于静息态功能磁共振成像（rs-fMRI）数据的深度学习方法，用于自动定位癫痫发作区（EZ） | 首次使用图卷积网络（GCN）进行EZ定位，并结合领域特定信息和学习到的个体偏差来提高准确性 | 研究样本量较小，仅包含14名患者，未来需在大规模数据集上验证 | 开发一种准确且无创的EZ定位工具，用于药物难治性癫痫的治疗计划 | 药物难治性癫痫患者的EZ定位 | 计算机视觉 | 癫痫 | 图卷积网络（GCN） | 图卷积网络（GCN） | 功能磁共振成像（fMRI） | 14名患有局灶性癫痫的患者 | NA | NA | NA | NA |
| 25982 | 2024-09-17 |
Functional magnetic resonance imaging, deep learning, and Alzheimer's disease: A systematic review
2023-01, Journal of neuroimaging : official journal of the American Society of Neuroimaging
IF:2.3Q2
DOI:10.1111/jon.13063
PMID:36257926
|
综述 | 本文综述了功能性磁共振成像（fMRI）和深度学习在阿尔茨海默病（AD）诊断中的应用 | 探讨了深度学习技术在简化fMRI分析中的潜力，并总结了当前领域的研究进展 | 讨论了fMRI深度学习方法的局限性和未来研究方向 | 总结当前fMRI和深度学习在AD诊断中的应用，并为新研究人员提供指导 | 阿尔茨海默病（AD）的诊断方法 | 机器学习 | 阿尔茨海默病 | 功能性磁共振成像（fMRI） | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 25983 | 2024-09-17 |
Integration of improved YOLOv5 for face mask detector and auto-labeling to generate dataset for fighting against COVID-19
2023, The Journal of supercomputing
IF:2.5Q2
DOI:10.1007/s11227-022-04979-2
PMID:36619832
|
研究论文 | 本文提出了一种改进的YOLOv5模型用于口罩检测，并结合自动标注模块生成新的数据集，以应对COVID-19疫情 | 通过引入坐标注意力（CA）模块改进YOLOv5模型，提高了检测精度和速度，并构建了一个包含7110张图像的新数据集 | 实验仅使用了Kaggle数据集中的853张图像进行训练，且数据集来源有限 | 提高口罩检测系统的实时性能和准确性，并生成新的数据集以支持COVID-19监测系统 | 口罩检测模型和数据集生成系统 | 计算机视觉 | NA | YOLOv5 | YOLOv5s-CA和YOLOV5s-C3CA | 图像 | 853张图像用于训练，7110张图像用于生成新数据集 | NA | NA | NA | NA |
| 25984 | 2024-09-17 |
Active regression model for clinical grading of COVID-19
2023, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2023.1141996
PMID:37026015
|
研究论文 | 本研究构建了一个基于深度学习方法的个性化治疗模型，旨在通过COVID-19患者的临床检测指标数据实现及时干预，并优化医疗资源分配 | 本研究通过特征工程和深度学习模型，实现了对COVID-19患者的个性化诊断和治疗，提供了一种新的视角 | NA | 实现基于COVID-19患者临床检测指标数据的及时干预和优化医疗资源分配 | COVID-19患者的临床检测指标数据 | 机器学习 | COVID-19 | 深度学习 | NA | 临床数据 | 1799名个体，包括560名非呼吸道传染病对照组，681名其他呼吸道病毒感染对照组，558名COVID-19感染组 | NA | NA | NA | NA |
| 25985 | 2024-09-17 |
From Prototype to Inference: A Pipeline to Apply Deep Learning in Sorghum Panicle Detection
2023, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0017
PMID:37040294
|
研究论文 | 本文提出了一种从数据收集到模型部署的深度学习辅助高粱穗密度估算的全面流程 | 本文提供了一个通用的深度学习计数协议，并展示了其在高粱田中的应用，同时该流程可推广到其他谷物物种 | 本文主要在高粱田中展示了该流程，尚未在其他谷物物种中进行广泛验证 | 开发一种自动化的高粱穗密度估算方法，以替代传统的手动计数 | 高粱穗密度 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 25986 | 2024-09-17 |
Automated tumor segmentation and brain tissue extraction from multiparametric MRI of pediatric brain tumors: A multi-institutional study
2023 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdad027
PMID:37051331
|
研究论文 | 本文介绍了一种基于多参数MRI扫描的深度学习方法，用于自动提取和分割儿童脑肿瘤 | 提出了基于多参数MRI扫描的深度学习方法，用于自动提取和分割儿童脑肿瘤，减少了手动分割的时间和操作员间的差异 | NA | 开发一种自动化的方法来分割儿童脑肿瘤，以辅助手术和治疗计划 | 儿童脑肿瘤的多参数MRI扫描图像 | 计算机视觉 | 脑肿瘤 | 多参数MRI扫描 | 三维卷积神经网络 | 图像 | 244名儿童患者的多参数MRI扫描图像 | NA | NA | NA | NA |
| 25987 | 2024-09-17 |
Artificial intelligence for clinical decision support for monitoring patients in cardiovascular ICUs: A systematic review
2023, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2023.1109411
PMID:37064042
|
综述 | 本文系统回顾了人工智能和机器学习模型在心血管重症监护病房中用于临床决策支持的研究 | 探讨了AI/ML在临床决策支持中的最新进展、陷阱和未来展望 | 75%的论文缺乏对外部数据集的验证，存在可推广性问题；AI决策的可解释性也是一个关键问题 | 研究AI/ML在心血管重症监护病房中用于临床决策支持的方法和工具 | 心血管重症监护病房中的患者监测 | 机器学习 | 心血管疾病 | NA | NA | 时间序列数据和电子健康记录 | NA | NA | NA | NA | NA |
| 25988 | 2024-09-17 |
A convolutional neural network for face mask detection in IoT-based smart healthcare systems
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1143249
PMID:37064899
|
研究论文 | 本文提出了一种基于卷积神经网络的面部口罩检测方法，用于物联网智能医疗系统 | 本文创新性地结合了YOLOv3架构和计算机视觉技术，用于检测未佩戴口罩和未保持社交距离的行为 | 本文未详细讨论系统的实时性能和在不同光照条件下的表现 | 旨在提供一种有效工具，减少传染病的传播 | 面部口罩佩戴情况和社交距离 | 计算机视觉 | NA | YOLOv3 | 卷积神经网络 | 图像 | 使用了COCO数据集进行评估 | NA | NA | NA | NA |
| 25989 | 2024-09-17 |
Towards a Deep Learning Pain-Level Detection Deployment at UAE for Patient-Centric-Pain Management and Diagnosis Support: Framework and Performance Evaluation
2023, Procedia computer science
DOI:10.1016/j.procs.2023.03.044
PMID:37089761
|
研究论文 | 本文提出了一种在阿联酋部署的深度学习疼痛水平检测框架，并评估了其性能 | 首次提出在阿联酋部署深度学习疼痛水平检测框架 | 未提及具体局限性 | 开发和评估一种自动识别患者疼痛水平的深度学习框架 | 患者疼痛水平 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 25990 | 2024-09-17 |
A Multimodal Network Security Framework for Healthcare Based on Deep Learning
2023, Computational intelligence and neuroscience
DOI:10.1155/2023/9041355
PMID:39280017
|
研究论文 | 本文提出了一种基于深度学习的多模态网络安全框架，用于医疗领域的网络流量分类 | 该框架通过深度学习方法自动提取空间和序列特征，提高了网络流量分类的效率，并解决了传统方法依赖人工特征提取和单一模型特征的问题 | 本文未详细讨论框架在实际应用中的可扩展性和处理大规模数据时的性能 | 解决现有网络流量分类方法中依赖人工特征提取和单一模型特征的问题，提高分类效率和稳定性 | 网络流量分类 | 机器学习 | NA | 深度学习 | 多模态网络 | 网络流量 | NA | NA | NA | NA | NA |
| 25991 | 2024-09-17 |
Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review
2022-12-22, Advances in nutrition (Bethesda, Md.)
DOI:10.1093/advances/nmac078
PMID:35803496
|
综述 | 本文对基于图像的食物识别系统（IBFRS）在饮食评估中的应用进行了系统性综述 | 综述了IBFRS在专业营养实践中的应用优势，并讨论了未来的发展方向 | 未提及具体的技术局限性 | 评估基于图像的食物识别系统在饮食评估中的应用效果 | 基于图像的食物识别系统及其在饮食评估中的应用 | 计算机视觉 | NA | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 共筛选了159项研究，其中78项被纳入综述 | NA | NA | NA | NA |
| 25992 | 2024-09-17 |
AutoMed: Automated Medical Risk Predictive Modeling on Electronic Health Records
2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
DOI:10.1109/bibm55620.2022.9995209
PMID:37063974
|
研究论文 | 本文提出了一种名为AutoMed的自动化风险预测模型，用于自动搜索最优模型架构以提高电子健康记录（EHR）数据的风险预测任务性能 | 创新点在于使用神经架构搜索技术自动设计模型架构，减少了对专家先验知识的依赖 | 实验仅在三个真实世界数据集上进行，可能需要更多数据集验证其泛化能力 | 旨在通过自动化技术改进电子健康记录的风险预测模型设计 | 电子健康记录数据及其在风险预测任务中的应用 | 机器学习 | NA | 神经架构搜索 | AutoMed | 电子健康记录 | 三个真实世界数据集 | NA | NA | NA | NA |
| 25993 | 2024-09-17 |
Predicting the outcome of radiotherapy in brain metastasis by integrating the clinical and MRI-based deep learning features
2022-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15814
PMID:35727568
|
研究论文 | 本文介绍了一种新的深度学习架构，用于预测脑转移瘤在接受立体定向放疗后的局部控制/失败结果，使用治疗计划磁共振成像（MRI）和标准临床属性 | 本文提出了一种结合临床和MRI深度学习特征的新型深度学习架构，用于预测脑转移瘤的放疗结果 | 研究样本量较小，仅包括99名患者的数据，未来需要在更大规模的患者群体中进行验证 | 预测脑转移瘤在接受立体定向放疗后的局部控制/失败结果 | 脑转移瘤患者在接受立体定向放疗后的局部控制/失败结果 | 计算机视觉 | 脑肿瘤 | 深度学习 | InceptionResentV2网络、长短期记忆循环网络 | MRI图像、临床数据 | 99名患者（116个病灶）用于训练和优化，25名患者（40个病灶）用于独立测试 | NA | NA | NA | NA |
| 25994 | 2024-09-17 |
Combining natural and artificial intelligence for robust automatic anatomy segmentation: Application in neck and thorax auto-contouring
2022-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15854
PMID:35833287
|
研究论文 | 本文提出了一种结合自然智能和人工智能的混合智能系统，用于颈部和胸部CT图像的自动解剖结构分割 | 通过将自然智能融入人工智能方法，克服了现有基于深度学习的自动分割方法在获取高级解剖信息方面的不足 | 系统在不同临床中心的接受度评分存在显著差异 | 开发一种结合自然智能和人工智能的混合智能系统，用于CT图像中的器官分割，并应用于放射治疗计划 | 颈部和胸部的26个器官 | 计算机视觉 | NA | 深度学习 | 混合智能系统 | CT图像 | 464名患者的数据用于测试，125名患者的数据用于训练/模型构建 | NA | NA | NA | NA |
| 25995 | 2024-09-17 |
Prediction of HIV sensitivity to monoclonal antibodies using aminoacid sequences and deep learning
2022-09-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btac530
PMID:35876860
|
研究论文 | 本文提出了一种利用氨基酸序列和深度学习预测HIV对单克隆抗体敏感性的方法 | 本文通过同时建模病毒和抗体序列，展示了在预测抗体-病毒敏感性方面的优势 | 本文未提及具体的局限性 | 本文旨在开发一种准确预测HIV对单克隆抗体敏感性的方法，以支持HIV疫苗开发和治疗 | 本文的研究对象是HIV病毒和单克隆抗体 | 机器学习 | HIV | 深度学习 | 神经网络 | 氨基酸序列 | 31种特定的广谱中和抗体 | NA | NA | NA | NA |
| 25996 | 2024-09-17 |
From Images to Probabilistic Anatomical Shapes: A Deep Variational Bottleneck Approach
2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-16434-7_46
PMID:37011237
|
研究论文 | 本文提出了一种基于变分信息瓶颈理论的框架，用于从3D医学图像中直接预测解剖结构的概率形状 | 该方法放松了现有技术中的假设，通过学习任务上下文中的潜在表示，实现了更灵活、更具扩展性的模型，并能更好地捕捉数据的非线性特征 | NA | 提高从3D医学图像中进行统计形状建模的准确性和不确定性估计 | 3D医学图像中的解剖结构概率形状 | 计算机视觉 | NA | 变分信息瓶颈理论 | NA | 图像 | NA | NA | NA | NA | NA |
| 25997 | 2024-09-17 |
InterPepScore: a deep learning score for improving the FlexPepDock refinement protocol
2022-06-13, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btac325
PMID:35575349
|
研究论文 | 本文介绍了一种名为InterPepScore的图神经网络，作为Rosetta FlexPepDock精炼协议的补充评分项，以提高模型质量 | 引入InterPepScore图神经网络作为Rosetta FlexPepDock精炼协议的补充评分项，显著提高了模型质量 | NA | 改进现有的Rosetta FlexPepDock精炼协议，提高肽-蛋白质复合物模型的精度 | 肽-蛋白质复合物的结构精炼 | 机器学习 | NA | 图神经网络 | 图神经网络 | 模拟轨迹 | 数千个由多种对接方案生成的肽-蛋白质复合物 | NA | NA | NA | NA |
| 25998 | 2024-09-17 |
Brains and algorithms partially converge in natural language processing
2022-02-16, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-022-03036-1
PMID:35173264
|
研究论文 | 系统比较多种深度语言模型，以识别导致其生成类似大脑句子的计算原理 | 揭示了现代语言算法与大脑在自然语言处理中的部分相似性，并指出了预测上下文单词能力是这种相似性的主要驱动因素 | 未完全解释这种相似性的具体驱动机制 | 探讨深度学习算法与人类大脑在自然语言处理中的相似性 | 多种深度语言模型与大脑对400个孤立句子的反应 | 自然语言处理 | NA | 功能磁共振成像 (fMRI) 和脑磁图 (MEG) | 深度语言模型 | 文本 | 102名受试者，每人记录两小时 | NA | NA | NA | NA |
| 25999 | 2024-09-17 |
Question Answering System Based on Knowledge Graph in Traditional Chinese Medicine Diagnosis and Treatment of Viral Hepatitis B
2022, BioMed research international
IF:2.6Q3
DOI:10.1155/2022/7139904
PMID:35198638
|
研究论文 | 本文利用中医治疗乙型肝炎的真实病历和网页，提取结构化医学知识，构建了中医乙型肝炎诊断治疗的知识图谱，并应用于智能问答系统 | 本文创新性地将深度学习方法应用于乙型肝炎医疗问答系统的问答识别和知识响应，提升了系统的智能化水平 | NA | 研究构建中医乙型肝炎诊断治疗的知识图谱，并应用于智能问答系统，为乙型肝炎疾病的诊断、治疗和患者自我护理提供参考 | 中医治疗乙型肝炎的结构化医学知识，以及基于该知识图谱的智能问答系统 | 自然语言处理 | 乙型肝炎 | 深度学习 | NA | 文本 | 8563个实体，96896个关系，32种实体类型，40种关系类型 | NA | NA | NA | NA |
| 26000 | 2024-09-17 |
Using Deep Learning to Identify High-Risk Patients with Heart Failure with Reduced Ejection Fraction
2021, Journal of health economics and outcomes research
IF:2.3Q2
DOI:10.36469/jheor.2021.25753
PMID:34414250
|
研究论文 | 本研究利用深度学习模型预测心力衰竭伴射血分数降低患者的心力衰竭住院、恶化事件及30天和90天再入院 | 本研究首次采用双向长短期记忆网络（Bi-LSTM）模型，并展示了其在预测心力衰竭相关结果方面的优越性 | 缺乏详细的临床数据以及样本量和样本不平衡问题可能限制了模型的性能 | 开发和部署预测工具以识别高风险的心力衰竭伴射血分数降低患者 | 心力衰竭伴射血分数降低患者的住院、恶化事件及再入院 | 机器学习 | 心血管疾病 | 深度学习 | 双向长短期记忆网络（Bi-LSTM） | 电子健康记录 | 共纳入47,498名心力衰竭伴射血分数降低患者，其中9,427名至少有一次心力衰竭住院 | NA | NA | NA | NA |